The Ars0n Framework V2 BETA by Harrison Richardson | Bug Bounty Village, DEF CON 33

Arson Framework v2 是一套為漏洞獎金獵取者設計的自動化偵察系統。演講者 Harrison Richardson 有 6 年漏洞獵取經驗，曾在公司端建立並維護 HackerOne 漏洞獎金項目，因此既懂獵取者的痛點，也瞭解計畫方的需求。

框架的核心價值在於解決新手的三大問題：（1）不知道從何開始，（2）手工工作流程繁瑣容易出錯，（3）完成列舉後不知道該測試什麼。為此框架設計了三條主要工作流。

第一條是「公司工作流」，從公司名稱出發。當公司向 ISP 租用 IP 段時會被分配一個 ASN（自主系統編號），該 ASN 對應的 IP 範圍是該公司可能運行基礎設施的地方。框架使用 ASM Intel 和 Metabigger 找出這些 ASN，再用 TCP ACK 掃描判斷哪些 IP 端口活躍。同時框架從多個數據源（證書透明度日誌、反向 Whois、Census、Security Trails、Shodan、GitHub）尋找根域名。為解決 Google dorks 查詢的痛點，Richardson 內建了數百條經過驗證的 dorks，使用者點擊即自動加載到頁面，支持鍵盤快捷鍵快速添加發現的域名。他提到這個功能意外成為最喜歡的部分，因為它把繁瑣的事變有趣，導致他進行 Google dorks 搜索的頻率提高了 2-3 倍。

第二條是「通配符工作流」，這是業界最知名的子域名列舉流程。框架完全自動化了 Jason Haddick 的 v4 版本方法論：先用 5 個工具抓取已知子域名，用 httpx 篩選活體，再用 Cewl 從這些活體網站爬蟲生成動態字典，配合靜態 10000+ 詞表和 Shuffle DNS 進行暴力破解，再次篩選活體，最後用 Katana 爬蟲尋找 JavaScript 中隱藏的子域名。框架甚至提供了「自動掃描」功能，可選擇執行哪些工具、設定子域名上限，按下按鈕後自動逐階段執行，無需人工干預。

掃描完成後，框架可生成兩份報告。「元數據報告」運行 FFUF 端點模糊測試、Katana 爬蟲、SSL 檢查等，為每個 URL 計算 ROI 評分。Richardson 發現很多新手在完成子域名列舉後會陷入迷茫——他們有了 URL 列表卻不知道該測試什麼、為什麼有些 URL 比其他更有價值。ROI 報告通過識別端點數量、使用者控制輸入、技術棧等因素為每個 URL 評分，幫助獵取者優先級排序，避免盲目測試。

第三條是「雲資產列舉」，這是 v2 的新增功能。框架用 Amass Enum、DNSX、Cloud Enum 和 Katana 尋找 CNAME 記錄、PTR 記錄和雲端 FQDN，識別目標使用的 AWS、Azure、GCP 服務。特別值得一提的是，Richardson 發現 Cloud Enum 原作者已停止維護，他決定 fork 並維護該項目。他大幅擴展了 AWS 覆蓋面（從 2 個服務增至 14+），改進了 S3 發現邏輯以適應當今配置方式，並修復了 Azure/GCP 的特定問題。

完成列舉後，框架將所有數據整合為統一的攻擊面視圖，包括 ASN、IP 範圍、域名、雲資產及其關聯的 DNS 記錄和活體狀態。Richardson 的典型工作方式是一邊看框架的攻擊面列表，一邊在 Burp Suite 進行手工測試，兩個工具配合。框架還包裝了 Nuclei 漏洞掃描器，允許對整個攻擊面或特定子集運行自定義 Nuclei 模板，並支持查看歷史掃描結果對比。

框架的教育設計貫穿始終。每個步驟都有「幫助我學習」手風琴，解釋做什麼、為什麼這樣做、使用什麼工具、下一步去哪裡。每個核心問題都配有「瞭解更多」按鈕，打開自定義課程計劃，包含 5-6 個外部資源鏈接。Richardson 計畫錄製 YouTube 視頻逐步演示每個功能，視頻將與框架內容同步。

v2 相比 v1 的主要改進是架構設計更適合開源發佈。v1 是數年積累的腳本集合，後來匆忙打包成 API + 前端，安裝複雜（特別是 MongoDB 依賴導致跨平台問題）。v2 完全重新架構，用 Go 替代 Python 後端，使用 Docker 容器化，包含 250 個 API 端點和完整文檔。

未來計畫包括：（1）代碼重構與性能優化（減少不必要的狀態/Props 存儲），（2）URL 工作流（6-8 個月後，生成針對真實目標的動態課程），（3）AI 整合，包括後端 RAG 聊天機器人回答關於發現數據的問題，AI 輔助判斷根域名所有權，AI 生成人類可讀的 ROI 報告建議。